[发明专利]一种基于深度长短时记忆网络的低产气油井井口含水率预测系统及方法

摘要

本发明涉及一种基于深度长短时记忆网络的低产气油井井口含水率预测系统及方法，是通过高频双环式电容传感器获取井口混合液的含水率波动信息，通过对所采集的含水率波动时间序列进行加窗处理，将采集到的含水率波动时间序列分成多个时序变化的时间片段，提取每个时序片段的时频特征、非线性特征、时间不可逆特征组成特征向量，从而得到构成井口含水率特征向量时间序列；之后，将提取的含水率特征向量时间序列作为深度长短时记忆网络的输入，建立基于深度长短时记忆网络及多元特征的含水率预测模型，采用该模型将井口产液含率化验值作为含水率标签进行训练，最终得到含水率的预测值。由于含水率波动信号的特征时间序列是井口产液特性的精确描述，因此该方法可有效消除井口少量含气对测量的影响，进一步提高井口产液含水率的测量精度。

主权项

1.一种基于深度长短时记忆网络的低产气油井井口含水率预测系统，其特征在于：由双环式高频电容传感器、含水率多元时序特征提取模块及基于长短时记忆网络的井口含水率预测网络组成，所述双环式电容传感器用于来获取井口含水率信息，所述含水率多元时序特征提取模块的高频正弦激励信号源产生激励信号，通过功分器送至双环式电容传感器的环状测量电极进行扫频，环状测量电极将扫频测得的含水率数据经激励后进入混频器进行信号混频，混频后的信号经加法器及电压偏置后，得到含水率时序特征向量；所述基于深度长短时记忆网络的井口含水率预测网络对获得的含水率多元时序特征向量按照时间顺序进行拼接，作为深度长短时记忆神经网络的输入向量，深度长短时记忆神经网络内部有LSTM单元，单元内部又分别有三个函数的:输入门、遗忘门、输出门，深度长短时记忆神经网络单元共有6层，采用Softmax分类函数作为输出函数，输出预测值。/n